Article Per Year (5 Year)
p-Index From 2020 - 2025
1.037
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI) IJoICT (International Journal on Information and Communication Technology) Building of Informatics, Technology and Science Journal of Computer System and Informatics (JoSYC) Prosiding Konferensi Nasional PKM-CSR eProceedings of Engineering
Imelda Atastina
Telkom University
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Nursing Public Health Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
IMPLEMENTASI PERINGKASAN KONTEN UTAMA HALAMAN WEB DENGAN ALGORITMA HYBRID HIDDEN MARKOV MODEL EXTRACTION METHOD DALAM PENERAPAN PADA INFORMATION RETRIEVAL Alfian Akbar Gozali; Imelda Atastina
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2012
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pencarian dokumen di Internet memiliki karakteristik khusus yang harus dipertimbangkan yaitu bandwidth atau kecepatan akses yang terbatas serta waktu pencarian relatif lebih lambat daripada pencarian di desktop. Karena itu perlu dilakukan indexing pada proses Information Retrieval agar dapat mempercepat dan mempermudah pencarian. Makin banyak term yang terindeks akan makin membutuhkan waktu ekstra untuk mencari sebuah term. Sehingga diperlukan metode khusus untuk memangkas jumlah term dalam indeks. Salah satunya dengan melakukan ekstraksi dokumen menggunakan algoritma Hybrid Hidden Markov Model. Metode yang dipakai dalam sistem ekstraksi ini adalah dengan melakukan pendekatan statistik yang dikombinasikan dengan pendekatan tata bahasa dan HMM Hedge sebagai model HMM.Metode yang digunakan tersebut diharapkan dapat menyelesaikan masalah yang terjadi pada sistem Information Retrieval yang hanya menggunakan ekstraksi dokumen dengan algoritma Hidden Markov Model.
Neural Network on Stock Prediction using the Stock Prices Feature and Indonesian Financial News Titles Nur Ghaniaviyanto Ramadhan; Imelda Atastina
International Journal on Information and Communication Technology (IJoICT) Vol. 7 No. 1 (2021): June 2021
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/ijoict.v7i1.544

Abstract

Stocks are the most popular investments among entrepreneurs or other investors. When investing in stocks these investors tend to learn how to invest stocks correctly and when is the right time. For the problem of how to invest shares correctly can be used a variety of basic theories that already exist, but for the problem when the right time needs further learning. In this paper will purpose about stock price prediction using stock data indicators and financial headline data in Bahasa Indonesia. The machine learning model used is a multi-layer perceptron neural network (MLP-NN) with the highest accuracy produced by 80%.
Sentiment Analysis of Indonesian Economics News Summary on The ICI using Long Short Term Memory Muhammad Raihan Muhith; Imelda Atastina
Journal of Computer System and Informatics (JoSYC) Vol 3 No 4 (2022): August 2022
Publisher : Forum Kerjasama Pendidikan Tinggi (FKPT)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47065/josyc.v3i4.2011

Abstract

Many investors use news summary as a reference while deciding whether to purchase, sell, or hold shares as part of their investment activity. The information provided by the news, on the other hand, frequently fails to meet expectations. Therefore, this study aims to classify economic news summary using sentiment analysis method followed by analyzing the results to determine the correlation between Indonesian economic news summaries and Indonesia Composite Index (ICI) trends. The dataset for this study is a collection of news articles from the Kontan online news site. This study begins with the collection of a dataset that includes 1720 training data and 440 test data that have been automatically summarized using the cosine similarity approach and labeled (positive/negative) based on the ICI trend the next day after the data was crawled. We use Term Frequency – Inverse Document Frequency (TF-IDF) as the word weighting technique and Long Short Term Memory (LSTM) method as the classifier to build the model. From the model training process that has been carried out for eight trials by tuning hyperparameters, the training accuracy is 86% and the F1-Score is 89.3%. While the testing accuracy and F1-score are 68.1% and 75.8% consecutively
Evaluasi Proses Bisnis ERP dengan Menggunakan Process Mining (Studi Kasus : Goods Receipt (GR) Lotte Mart Bandung) Satriyo Wicaksono; Imelda Atastina; Angelina Kurniati
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Saat ini banyak sekali perusahaan yang menggunakan sistem informasi guna untuk menunjang proses bisnis yang dilakukan oleh perusahaan. Namun pada kenyataannya hanya sedikit perusahaan yang melakukan evaluasi terhadap proses bisnis pada sistem informasi tersebut. Evaluasi yang dilakukan berguna untuk menghasilkan data Event Log yang merupakan hasil proses ekstraksi Enterprise Resource Planning (ERP) untuk evaluasi proses bisnis yang dimiliki oleh suatu perusahaan. Salah satu metode untuk mengevaluasinya adalah menggunakan Process Mining. Process Mining berguna untuk memperdalam proses transaksi sehingga terbentuk suatu workflow dalam bentuk Petri Net sehingga menghasilkan proses bisnis yang aktual. Petri Net itu sendiri merupakan penggambaran suatu bentuk workflow proses bisnis, selanjutnya dari Petri Net akan dilakukan suatu analisis untuk mengetahui kesesuaian algoritma dengan model yang terbentuk. Dengan adanya ProM Tools maka penggambaran mengenai proses bisnis ERP dapat terbentuk.Penggambaran model tersebut menggunakan algoritma yang berada pada ProM Tools lalu disesuaikan dengan proses bisnis ERP Goods Receipt di Lotte Mart Bandung. Algoritma ini digunakan untuk mengevaluasi proses bisnis. Hasil akhir tugas akhir ini adalah dapat menentukan algoritma yang sesuai untuk mengevaluasi proses bisnis ERP yang terjadi pada Goods Receipt di Lotte Mart Bandung. Kata kunci : Process Mining, Event Log, Petri Net
Process Mining pada Proses Pengadaan Buku dengan Algoritma Heuristic Miner (Studi Kasus : Perpustakaan Universitas Telkom) Harin Veradistya Maharani; Angelina Prima Kurniati; Imelda Atastina
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Adanya SOP dan rekap menunjukkan bahwa organisasi memperhatikan proses yang terjadi. Pada pengaplikasiannya sehari-hari, rekap hanya digunakan sebagai dokumentasi proses yang dilaksanakan, tidak ada kontrol terhadap proses yang terjadi, tidak tahu apakah selama ini proses dilaksanakan sesuai dengan SOP. Oleh karena itu perlu pemodelan untuk kumpulan proses tersebut sehingga lebih mudah untuk melihat behaviour dari aktivitas yang dilakukan. Pada Tugas Akhir ini diaplikasikan Process Mining untuk proses pengadaan buku pada Unit Perpustakaan Universitas Telkom. Algoritma yang digunakan untuk memodelkan proses adalah algoritma heuristic miner. Proses yang dimodelkan dari sistem tesebut akan diukur kesesuaiannya dengan aktivitas yang sebenarnya terjadi dan pada akhirnya akan dihasilkan rekomendasi terhadap model proses. Hasil pengujian menunjukkan bahwa tidak semua aktivitas pada SOP dilakukan pada proses pengadaan buku. Selain itu terdapat aktivitas baru yang belum didefinisikan sebelumnya. Kata kunci : SOP, process mining, heuristic miner, pengadaan buku, event log
Analisis Dan Implementasi Algoritma Agglomerative Hierarchical Clustering Untuk Deteksi Komunitas Pada Media Sosial Facebook Intan Widya Rahayu; Imelda Atastina; Anisa Herdiani
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Deteksi komunitas merupakan proses pencarian dan identifikasi komunitas dalam suatu jaringan, salah satunya pada jaringan sosial. Terdapat dua karakteristik data dalam mendeteksi komunitas yaitu hubungan antar individu dan kesamaan (similarity) antar individu. Algoritma deteksi komunitas biasanya hanya berfokus pada salah satu karakteristiknya saja. Pada penelitian ini penulis membahas pembentukan komunitas menggunakan algoritma Agglomerative Hierarchical Clustering (AHC) berbasis enhanced similarity pada data Facebook, yang mana merupakan algoritma yang secara berturut-turut memodelkan pengelompokan yang menggunakan nilai threshold sebagai alat pengelompokkan, dua simpul yang memiliki nilai similarity lebih besar dibandingkan nilai threshold maka akan dijadikan satu komunitas dengan memperhitungkan hubungan yang dimiliki simpul. Dalam pengujiannya, penulis menggunakan modularity sebagai alat penentu kualitas cluster, yang mana kualitas cluster dikatakan baik jika memiliki hubungan yang pada di dalam satu komunitasnya dibandingkan hubungan di luar komunitasnya. Hasil dari Algortima AHC mampu menunjukan bahwa AHC dapat mendeteksi komunitas dengan kualitas cluster (modularity) mencapai 0.4453 pada jaringan nyata.
Audit Teknologi Informasi Menggunakan Framework Cobit 5 Pada Domain Dss (Deliver, Service, And Support) (Studi Kasus : Igracias Telkom University) Rio Kurnia Candra; Imelda Atastina; Yanuar Firdaus
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi informasi (TI) merupakan suatu bagian yang sangat penting bagi perusahaan atau lembaga dan merupakan suatu nilai investasi untuk menjadikan perusahaan atau lembaga tersebut menjadi lebih baik. Perusahaan atau lembaga menempatkan teknologi informasi sebagi suatu hal yang dapat mendukung pencapaian rencana strategis perusahaan untuk mencapai sasaran visi, misi dan tujuan perusahaan atau lembaga tersebut, begitu halnya dengan Telkom University. Teknologi Informasi yang diterapkan perlu diatur agar dapat dimanfaatkan dengan baik. Untuk mengatur teknologi informasi itu sendiri memerlukan audit yang bertujuan untuk mengevaluasi dan memastikan pemenuhannya ditinjau dari pendekatan objektif dari suatu standar. Teknologi Informasi di Telkom University memerlukan audit untuk mengevaluasi, menilai kapabilitas, dan menyusun rekomendasi terhadap teknologi informasi yang dipakai. Framework audit yang digunakan adalah COBIT 5 domain DSS (Deliver, Service, dan Support) yang fokus pada penilaian pengiriman dan layanan teknologi informasi serta dukungannya termasuk pengelolaan masalah agar keberlanjutan layanan tetap terjaga. Kata Kunci : audit, COBIT 5, domain DSS, Teknologi Informasi, Telkom University.
Analisis Dan Implementasi Algoritma Cnm-centrality Untuk Deteksi Komunitas Pada Dataset Facebook Farah Rahmadiani; Imelda Atastina; Anisa Herdiani
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Deteksi komunitas menjadi salah satu task dari social network analysis yang banyak dibahas. Hal ini disebabkan dengan pendeteksian komunitas tersebut dapat digunakan untuk berbagai hal seperti skema pemasaran produk, mendeteksi isu di masyarakat, dan sebagainya. Masalah dalam mendeteksi komunitas yaitu bagaimana cara mengelompokkan simpul yang baik untuk mengidentifikasi suatu kelompok. Salah satu algoritma untuk mendeteksi komunitas adalah CNMCentrality. CNM-Centrality merupakan algoritma Clauset-Newman-Moore yang dikombinasi dengan algoritma Pagerank. Algoritma Pagerank digunakan untuk menentukan simpul terpenting sedangkan algoritma CNM digunakan untuk mendeteksi komunitas. Algoritma ini dianggap algoritma dengan kecepatan running time yang baik dan nilai modularity yang baik pada pengujian sebelumnya. Namun, pada pengujian sebelumnya hanya menguji beberapa data saja seperti data jazz network dengan 198 simpul dengan relasi sebanyak 2742, belum diketahui bagaimana performansi algoritma CNM-Centrality jika menggunakan dalam jumlah yang besar. Algoritma CNM-Centrality mempunyai parameter yaitu damping factor. Damping factor merupakan parameter yang digunakan untuk menghitung nilai rank dan bernilai antara 0 sampai 1. Pada pengujian ini akan menggunakan dataset Facebook dengan tiga jenis damping factor yang berbeda untuk mengetahui pengaruh damping factor terhadap nilai modularity dan juga keandalan performansi algoritma CNM-Centrality untuk dataset Facebook. Penelitian ini bermanfaat untuk menilai apakah algoritma CNM-Centrality mempunyai nilai modularity dan running time yang baik dengan dataset yang berbeda dan damping factor yang berbeda. Hasil dari pengujian ini adalah nilai damping factor 0,15 memperoleh nilai rank tertinggi daripada dua damping factor yang diujikan. Namun, damping factor 0,85 memperoleh running time yang baik untuk menentukan simpul terpenting dan mendeteksi komunitas dibandingkan dua damping factor yang diuji. Selain itu, modularity terbaik yang dihasilkan pada pengujian ini adalah 0,8318 yang diperoleh oleh damping factor 0,85. Kata kunci : Deteksi Komunitas, Algoritma CNM-Centrality, Damping factor, Modularity Abstract Community detection becomes one of the tasks of social network analysis that is widely discussed because with the detection of the community can be used for various things such as product marketing schemes, detect issues in the community, and so forth. The problem in detecting communities is how to group good nodes to identify a group. One of the algorithms for detecting communities is CNM-Centrality. CNM-Centrality is a Clauset-Newman-Moore algorithm combined with Pagerank algorithm. Pagerank algorithm is used to determine the most important node while the CNM algorithm is used to detect the community. This algorithm is considered an algorithm with good running time speed and good modularity value in previous test. However, in the previous test only tested some data only, not yet known how CNM-Centrality algorithm performance if using in large amount. The parameter used in CNM-Centrality Algorithm is damping factor. Damping factor is a parameter used to calculate rank values and values between 0 and 1. In this test will use the dataset up with three different damping factor factor to determine the effect of damping factor on the value of modularity and also the reliability of CNM-Centrality algorithm performance for Facebook dataset . This research is useful to assess whether the CNM-Centrality algorithm has good modularity and running time values with different datasets and different damping factors. The result of this test is the damping value factor 0.15 obtains the highest rank value rather than the two damping factors tested. However, the damping factor of 0.85 obtains good running time to determine the most important node and detect the community over the two damping factors tested. In addition, the best modularity produced in this test is 0.8318 obtained by the damping factor of 0.85 Keywords: Community Detection, CNM-Centrality Algorithm, Damping factor, Modularity
Implementasi Process Mining Menggunakan Algoritma Genetika (Studi Kasus: Event Log Rekam Medis Pasien Rumah Sakit Umum Pusat Sanglah Denpasar) I Gede Dito Wisnu Murti; Imelda Atastina; Angelina Prima Kurniati
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Setiap organisasi menggunakan sistem informasi dalam menunjang efektivitas dan efisiensi kegiatan operasional organisasi. Salah satu organisasi yang menggunakan sistem informasi adalah rumah sakit. Rumah sakit berusaha untuk memberikan pelayanan perawatan medis terbaik kepada pasien. Setiap pasien mendapat perawatan medis yang berbeda sesuai dengan masalah kesehatan masing-masing pasien. Sehingga standar perawatan medis yang berlaku di rumah sakit pada prakteknya sering berbeda dengan keadaan sebenarnya. Perlu dilakukan audit untuk mengevaluasi organisasi dan proses yang terjadi untuk memastikan validitas dan kehandalan informasi pada organisasi dan proses yang berkaitan. Audit dilakukan dengan process mining karena memiliki kemampuan untuk melakukan ekstraksi event log pada data rekam medis yang digunakan untuk penelitian. Hasil dari process mining berupa model proses. Mining dilakukan dengan algoritma genetika karena menggunakan strategi pencarian global dimana fitness pada kandidat model dihitung dengan membandingkan model proses dengan semua traces pada event log sehingga proses pencarian menjadi sangat global. Model proses terbaik ditentukan dari hasil algoritma genetika dengan fitness terbaik. Dari hasil percobaan diperoleh model proses terbaik dengan nilai populasi 100, generasi 4000, fitness 0.974. Kemudian dilakukan conformance checker untuk melihat kesesuaian antara model proses dengan event log. Rekomendasi diberikan berdasarkan hasil analisa dari conformance checker dan performance analysis with petri net. Ditemukan bottleneck pada aktivitas GEN dan PRO, maka rekomendasi yang bisa diberikan menambah sarana medis, tenaga medis dan mencatat secara otomatis hasil uji laboratorium dan resep obat. Kata kunci : Audit, Process Mining, Algoritma Genetika.
Analisis Dan Implementasi Community Detection Menggunakan Algoritma Dbscan Pada Twitter Lulu Alfi’a Rahma Ningsih; Imelda Atastina; Anisa Herdiani
eProceedings of Engineering Vol 5, No 1 (2018): April 2018
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Community detection atau clustering merupakan proses partisi data ke dalam kelompok-kelompok. Data yang berada dalam satu kelompok memiliki kemiripan (similarity) karakteristik antar satu sama lainnya dan berbeda dengan kelompok lain, seperti halnya kemiripan antar individu pada social network. Pada penelitian ini, community detection dilakukan pada social network Twitter berdasarkan kemiripan interaksi (follows, mentions, reply) antar pengguna dengan menggunakan algoritma DBSCAN dan perhitungan kualitas cluster dengan menggunakan modularity. Algoritma DBSCAN memiliki dua parameter penting, yakni epsilon dan minPts yang bernilai random. Dari hasil penelitian yang dilakukan, hasil terbaik didapat dari data ke-10 dengan membentuk 4 cluster yang menghasilkan nilai modularity 0,61492 dari nilai epsilon 0,3 dan minPts 4. Hal tersebut dikarenakan jumlah cluster yang terbentuk dari adanya keterkaitan nilai epsilon dan minPts dengan nilai kemiripan (similarity) dan nilai modularity disebabkan adanya kepadatan dari relasi dan bobot similarity yang besar. Sehingga untuk mendapatkan hasil cluster yang baik diperlukan penentuan nilai epsilon dan minPts yang tepat.
Co-Authors Achyar Al-Rasyid Ade Romadhony Aji Gunadi, Gagah Al Giffari, Muhammad Zacky Alfian Akbar Gozali Angelina Kurniati Angelina Prima Kurniati Anisa Herdiani Bambang Subagjo Barawi, Mohamad Hardyman Ersy Ervina Farah Rahmadiani Guntur Prabawa Kusuma Harin Veradistya Maharani I Gede Dito Wisnu Murti Intan Widya Rahayu Kemas Rahmat Saleh Wiharja Lulu Alfi’a Rahma Ningsih Muhammad Raihan Muhith Muhammad Rizky Riandi Gunaedi Nur Ghaniaviyanto Ramadhan Nurmasyitah Nurmasyitah othman, mohd kamal Purwanto, Zadosaadi Brahmantio Ramanti Dharayani Rio Kurnia Candra Satriaman, Muhammad Azriel Satriyo Wicaksono Selvia Yulvairariany Shaufiah . Warih Maharani Wijaya, Yaffazka Afazillah Wildan Khalidy Yanuar Firdaus